Respuesta directa — ¿Cómo se transcribe por lotes archivos de audio y vídeo en un Mac? Hay tres vías que funcionan. Puedes ejecutar en bucle un motor de línea de comandos como Whisper sobre una carpeta y mantener tú mismo el script. Puedes asociar una Folder Action para que macOS active un flujo de trabajo en cuanto lleguen archivos. O puedes usar una app de transcripción con una cola integrada: sueltas la carpeta entera de una vez, eliges un idioma y un formato de exportación, y dejas que el Mac la procese sin supervisión.
Si necesitas transcribir por lotes archivos de audio en un Mac, el problema casi nunca es el reconocimiento de voz — los modelos locales llevan años siendo lo bastante buenos. El problema son los cuarenta y siete archivos que se acumulan en una carpeta, entregados a la mayoría de herramientas de uno en uno.
Esa brecha es justo lo que cierra una cola de transcripción en un Mac. Esta guía cubre las tres vías prácticas para la transcripción masiva de audio en macOS, el proceso paso a paso con una app de tipo «arrastra la carpeta», y los hábitos de organización de archivos que mantienen legible una cola larga.
¿Por qué importa más el procesamiento por lotes que la velocidad bruta?
Porque el coste de un backlog es la atención, no el tiempo de procesamiento. Una máquina que tarda cuatro minutos por archivo y otra que tarda seis son indistinguibles de un día para otro; un flujo de trabajo que te necesita presente entre archivo y archivo, no.
Tres cosas salen mal cuando procesas un backlog a mano:
- Fragmentación de la atención — vuelves, eliges el siguiente archivo, reajustas la configuración, esperas.
- Deriva de formato — una configuración de exportación elegida cuarenta veces a mano se convierte en cuarenta exportaciones ligeramente distintas.
- Huecos silenciosos — nadie se da cuenta de que se saltó el archivo 23 hasta que falta una cita que debería estar ahí.
Una cola arregla las tres cosas a la vez: fijas el idioma y el formato de exportación una sola vez, y todos los archivos los heredan.
¿Qué opciones tienes para la transcripción masiva de audio en un Mac?
Cuatro vías, y se diferencian en lo que tienes que mantener, no en lo que son capaces de hacer.
| Vía | Qué configuras | Cómo funciona la cola | Gestión de formatos | Dónde se rompe |
|---|---|---|---|---|
| whisper.cpp en la línea de comandos | Instalación con Homebrew, descarga del modelo | Tú escribes el bucle | Solo WAV de 16 bits; conversión previa con ffmpeg | Una actualización de Homebrew o un archivo de modelo renombrado |
| CLI de OpenAI Whisper (Python) | Entorno Python, descarga del modelo | Varios archivos aceptados en un solo comando | Formatos habituales, vía ffmpeg | Deriva del entorno Python |
| Folder Action o Automator | Asocias un flujo de trabajo a una carpeta | macOS se activa con los elementos nuevos | Lo que acepte tu motor | El paso del motor, no el disparador |
| App de Mac con cola integrada | La instalas | Sueltas una carpeta, la app la ordena | Cualquier formato habitual que macOS pueda leer | Nada que mantener |
La vía con scripts
Los dos motores de código abierto más importantes pueden aceptar más de un archivo. El repositorio de Whisper de OpenAI documenta directamente la forma multiarchivo: whisper audio.flac audio.mp3 audio.wav --model turbo, con la nota de que «la configuración por defecto (que selecciona el modelo turbo) funciona bien para transcribir inglés».
whisper.cpp es más rápido en un Mac, pero más estricto con la entrada. Su README indica que el ejemplo de línea de comandos «actualmente solo funciona con archivos WAV de 16 bits, así que asegúrate de convertir tu entrada antes de ejecutar la herramienta», y publica el comando de conversión:
ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wavEse único requisito es lo que convierte un bucle de una línea en un pipeline de dos etapas. Convertir, luego transcribir, luego limpiar los archivos WAV intermedios — para cada elemento de la carpeta.
La vía de la Folder Action
macOS puede vigilar una carpeta por ti. La Mac Automation Scripting Guide de Apple describe las Folder Actions como «una función de OS X que te permite conectar scripts a carpetas de tu Mac», donde «un script de Folder Action incluye uno o más manejadores de eventos que se ejecutan en respuesta a ciertos eventos, como abrir, cerrar o añadir elementos a la carpeta conectada».
El manejador adding folder items to recibe la lista de elementos nuevos, así que el lado del disparador queda resuelto de forma nativa — la transcripción todavía tiene que venir de algún sitio, y por eso esta vía es la vía con scripts con una puerta de entrada más bonita. Nuestro tutorial sobre cómo automatizar la transcripción de archivos en un Mac cubre el lado del motor, incluida una API local a la que puedes llamar en lugar de mantener tu propio script.
La vía de arrastrar la carpeta
La tercera opción es una app que se encarga de la cola: sueltas una carpeta, la app procesa los archivos en secuencia, y la conversión, la gestión de modelos y el bucle dejan de ser tu problema.
El Mac tiene un campo abarrotado de apps de transcripción en el dispositivo — entre ellas MacWhisper, Aiko, Buzz, VoiceInk y Whisper Notes — y el comportamiento de la cola varía. Comprueba antes la lista de funciones del proveedor: «admite lotes» y «acepta un archivo a la vez, rápidamente» son productos distintos.
¿Cómo transcribes por lotes una carpeta con Weesper Transcribe?
Cinco pasos, y solo el primero requiere pensar. Weesper Transcribe es una app de la Mac App Store que transcribe archivos de audio y vídeo ya existentes en tu equipo, con el procesamiento por lotes como la función que convierte un backlog en un único trabajo.
- Reúne las grabaciones en una sola carpeta. No pasa nada si mezclas audio y vídeo — MP3, WAV, M4A, MP4, MOV y cualquier otro archivo que macOS pueda leer se ponen en cola juntos.
- Nómbralas antes de ponerlas en cola. Más sobre esto más abajo; es el paso que la gente se salta y luego lamenta.
- Suelta la carpeta en la app. La cola se construye a partir del contenido de la carpeta y los procesa en secuencia.
- Fija el idioma y el formato de exportación una sola vez. La transcripción cubre 57 idiomas, y las transcripciones terminadas se exportan a nueve formatos: TXT, Markdown, SRT, VTT, DOCX, PDF, HTML, CSV y JSON.
- Apunta el guardado automático a una carpeta de destino y déjalo correr. Cada transcripción terminada aterriza allí sin un diálogo de guardado por archivo.
Los límites prácticos que conviene conocer primero
El nivel gratuito es un nivel de verdad, no una demo capada: usa el mismo motor y transcribe con calidad completa, pero la ficha de la App Store es explícita en que gestiona archivos «de hasta 15 minutos, de uno en uno, a texto plano». El procesamiento por lotes, los archivos de varias horas y los nueve formatos de exportación son lo que desbloquea la actualización Pro de pago único.
Dos datos más que deciden si esta vía está a tu alcance:
- macOS 13 o posterior, en Apple Silicon o en Mac con Intel con soporte AVX2 (Haswell o posterior).
- Nunca se solicita permiso de micrófono, Accesibilidad ni grabación de pantalla. Lee los archivos que le entregas, y esa es toda la superficie de permisos.
Todo se ejecuta en tu Mac, con aceleración Metal en Apple Silicon. Una cola de 200 entrevistas con clientes sigue siendo 200 entrevistas que nunca salieron del equipo — que es todo el argumento a favor de hacer el trabajo masivo en local en lugar de enviarlo a una API.
¿Cómo deberías organizar los archivos antes de ponerlos en cola?
Dedica cinco minutos a nombrarlos y ahórrate una hora más tarde. Un lote produce una transcripción por cada archivo de entrada, y cada transcripción hereda el nombre del archivo de origen.
El Finder gestiona el renombrado de forma nativa. La guía de macOS de Apple describe el proceso: «selecciona los elementos, luego haz Control-clic en uno de ellos. En el menú contextual, elige Cambiar nombre», y a continuación elige Reemplazar texto, Añadir texto o Formato para agregar un índice, un contador o una fecha.
Cuatro hábitos que aguantan a gran volumen:
- Un idioma por lote. Un idioma de origen fijo le gana a dejar que la detección adivine en cuarenta clips cortos o ruidosos.
- Un destino de exportación por lote. Los subtítulos y los documentos para clientes son trabajos distintos — pon en cola por separado el trabajo de vídeo con SRT y VTT de las entrevistas que salen como DOCX.
- Prueba primero con un solo archivo. Una grabación representativa confirma el idioma, el formato y el esquema de nombres antes de una tanda de doscientos archivos.
- Prefija los nombres de archivo con la fecha.
2026-03-14-interview-cfo.mp3se ordena cronológicamente y sobrevive a que lo arrastres a cualquier otra herramienta.
Encontrar un pasaje después es un problema aparte — consulta cómo la búsqueda semántica encuentra una cita por su significado en todo un historial de transcripciones.
¿Qué es lo que el procesamiento por lotes no soluciona?
La calidad del audio. Una cola cambia cuándo se procesan los archivos, nunca con qué calidad.
La ficha de modelo de NVIDIA para parakeet-tdt-0.6b-v3 concreta el tamaño de este efecto. En conjuntos de evaluación solo en inglés, el mismo modelo reporta:
| Conjunto de prueba (inglés) | Tasa de error de palabras | Qué contiene |
|---|---|---|
| LibriSpeech test-clean | 1,93 % | Habla leída, audio limpio |
| GigaSpeech | 9,59 % | Audio mixto del mundo real |
| AMI | 11,31 % | Grabaciones de reuniones con varios hablantes |
| Earnings-22 | 11,42 % | Llamadas de resultados financieros |
Una variación de seis veces entre un pasaje leído limpio y una reunión grabada, impulsada enteramente por la grabación. La cifra promediada en el Hugging Face Open ASR Leaderboard es del 6,34 %, que dice menos que la propia dispersión.
La lectura práctica: una grabación limpia le gana a un modelo mejor, y ningún tamaño de lote elimina la pasada de edición. Si todavía estás eligiendo motor, nuestro benchmark de transcripción de archivos entre Parakeet y Whisper los compara exactamente con este tipo de material.
Preguntas frecuentes
¿Puedo transcribir una carpeta entera de archivos a la vez en un Mac?
Sí, de tres formas. Puedes ejecutar en bucle un motor de línea de comandos sobre una carpeta: el repositorio de Whisper de OpenAI documenta el paso de varios archivos a un solo comando, como en whisper audio.flac audio.mp3 audio.wav --model turbo. Una Folder Action puede activar un flujo de trabajo cada vez que llegan elementos a una carpeta vigilada. O una app de transcripción puede encargarse ella misma de la cola — sueltas la carpeta, y va procesando los archivos en secuencia mientras haces otra cosa.
¿Cuál es la forma más rápida de transcribir audio masivamente en un Mac sin usar scripts?
Una app con una cola integrada, porque no hay nada que instalar, convertir ni mantener. Las vías con scripts son realmente potentes, pero cada una añade piezas móviles: el README de whisper.cpp indica que su ejemplo de línea de comandos «actualmente solo funciona con archivos WAV de 16 bits, así que asegúrate de convertir tu entrada antes de ejecutar la herramienta», lo que añade un paso de conversión con ffmpeg delante de cada archivo.
¿Funciona sin conexión la transcripción por lotes?
Depende de dónde se ejecute el motor, no de si el trabajo es un lote. Un motor local transcribe una cola sin que intervenga la red. Una API en la nube sube todos los archivos del lote, que es el momento en que una carpeta de entrevistas con clientes sale de tu equipo. Weesper Transcribe se ejecuta en tu Mac y no sube nada, así que una cola de 200 archivos son 200 archivos que nunca viajaron.
¿Cuánto tarda en transcribirse un lote de grabaciones?
No existe una cifra universal honesta: depende de tu chip, del motor, del tamaño del modelo y de la duración total del audio, no del número de archivos. Los benchmarks publicados miden precisión, no rendimiento en tu hardware. Cronometra primero un archivo representativo y multiplícalo por las horas que haya en la carpeta. Ese es también el sentido de una cola — el tiempo real deja de importar cuando el trabajo se ejecuta sin supervisión.
¿Puedo transcribir por lotes archivos de vídeo, no solo audio?
Sí. El vídeo lleva una pista de audio, y una herramienta de transcripción lee esa pista igual que lee una grabación independiente. Weesper Transcribe acepta MP3, WAV, M4A, MP4, MOV y cualquier otro archivo que macOS pueda leer, así que una carpeta que mezcle episodios de podcast y grabaciones de pantalla se pone en cola como un solo trabajo.
¿Reduce el procesamiento por lotes la precisión de la transcripción?
No. El mismo motor y el mismo modelo producen la misma transcripción tanto si entregas los archivos de uno en uno como si dejas una carpeta procesándose toda la noche. Lo que de verdad mueve la precisión es el audio: la ficha de modelo de NVIDIA reporta una tasa de error de palabras del 1,93 % en LibriSpeech test-clean frente al 11,31 % en grabaciones de reuniones de AMI — una variación de seis veces impulsada por la grabación, no por el software.
Conclusión
La transcripción por lotes es un problema de flujo de trabajo disfrazado de problema técnico. Todas las vías llegan a la misma transcripción; lo que cambia es cuánta fontanería tienes que mantener tú.
Los scripts dan control total y un pipeline que mantener. Las Folder Actions añaden un disparador nativo, pero siguen necesitando un motor detrás. Una app con cola no necesita ninguna de las dos cosas — el trato correcto cuando las grabaciones son el trabajo y las herramientas no deberían serlo.
Elijas la vía que elijas, la preparación importa más que la herramienta: nombres consistentes, un idioma por lote, un destino de exportación, y un archivo de prueba antes de la tanda larga.
¿Tienes una carpeta de grabaciones esperando? Descubre cómo funcionan el procesamiento por lotes, las exportaciones y la búsqueda en el historial en Weesper Transcribe, o consigue la app en la Mac App Store — gratis para descargar, con una actualización Pro de pago único y sin suscripción. Las dudas de configuración se responden en la documentación de soporte.